|
|
Dolování dat z databází
Slezák, Milan ; Hynčica, Ondřej (oponent) ; Honzík, Petr (vedoucí práce)
Diplomová práce je zaměřená na představení možností data miningu. Data mining se zabývá odhalováním skrytých vazeb mezi data. Zájem o tuto oblast se datuje do 60. letech 20 století. Analýza dat našla uplatnění nejdříve v marketingu. Ovšem později se rozšířila do více oblastí a její možnosti stále ještě nejsou plně využity. Při analýze procesu je užitečné dodržovat jednu z metodologií, které byly za tímto účelem vypracovány. Metodologie představují struční systematický návod, jakým způsobem je vhodné postupovat. V rámci data miningu se uplatňuje široké množství algoritmů zaměřených na práci s daty. Je samozřejmé, že se zvyšujícím se zájmem o tuto problematiku stoupal i počet vhodných programů, které je možné pro analýzu využít. Přehled programů, zpracované ukázkové příklady a zhodnocení je také součástí této práce.
|
|
|
Pokročilé dolování v datech v kardiologii
Mézl, Martin ; Provazník, Ivo (oponent) ; Sekora, Jiří (vedoucí práce)
Tato práce je zaměřena na využití data miningových metod v lékařství, konkrétně na databázi kardiologických pacientů. Cílem této práce je provést analýzu dat a zaměřit se na hledání neobvyklých závislostí mezi jednotlivými atributy souboru. Součástí práce je přehled dostupných metod, které se využívají v lékařství. Z těchto metod jsou pro další práci vybrány metody rozhodovacích strom, naivního bayesovského klasifikátoru, umělých neuronových sítí a asociačních pravidel. Pro samotné hledání závislostí byly použity metody naivního bayesovského klasifikátoru a asociačních pravidel. Výstupem této práce je komplexní systém pro dobývání znalostí z databází na libovolném datovém souboru. Práce vznikla ve spolupráci s Interní kardiologickou klinikou Fakultní nemocnice Brno Bohunice. Všechny popsané aplikace byly vytvořeny v programovém prostředí Matlab 7.0.1.
|
|
|
Rozhodovací stromy
Patera, Jan ; Sáblík, Václav (oponent) ; Honzík, Petr (vedoucí práce)
Obsahem práce je seznámení se s problematikou rozhodovacích stromů. V textu je popsán program RapidMiner a algoritmy pro tvorbu rozhodovacích stromů, které jsou v tomto softwaru implementovány. Dále je popsána nově vytvořená aplikace v prostředí C++ Builder, ve které byly naprogramovány vybrané algoritmy pro konstrukci rozhodovacích stromů. Na databázích dostupných z internetu jsou porovnány dosažené výsledky v případě použití různých algoritmů a jejich odlišných nastavení.
|
|
|
Metoda CHAID a logistické regrese
Novák, Jaroslav ; Čabla, Adam (vedoucí práce) ; Matějka, Martin (oponent)
Tato bakalářská práce si klade za cíl představit metodu pro tvorbu rozhodovacích stromů zvanou CHAID a metodu logistické regrese. Následně je porovnat z hlediska jejich interpretace. Toho bude dosaženo aplikací těchto metod na reálná data pomocí statistického software, interpretací výsledných modelů a vyvozením následných závěrů. Práce tedy představuje možnosti interpretace modelů sestrojených pomocí metody CHAID a logistické regrese a s tím spojené výhody a nevýhody jednotlivých metod.
|
|
|
Zvyšování efektivity inzerce na Facebooku pomocí rozhodovacích stromů
Randus, Jan ; Vraná, Lenka (vedoucí práce) ; Jašek, Pavel (oponent)
Tato bakalářská práce má za cíl pomocí pokročilých statistických data-miningových metod zvýšit efektivitu marketingových kampaní vedených na sociální síti Facebook. Za tímto účelem jsem získal data z marketingové kampaně elektronického obchodu z oblasti módy, na které jsem aplikoval metodu rozhodovacích stromů. V teoretické části se práce zabývá metodami, které byly použity pro analýzu dat, tedy rozhodovacími stromy a metodami, které vycházejí z teorie výběrového šetření, které byly nezbytné při úpravě dat. Rovněž bude nastíněna oblast výkonnostního online marketingu. V praktické části bude popsána aplikace zvolených metod a tvorba modelu. V závěru se bude práce snažit na základě vytvořeného modelu odpovědět na otázku, jak co nejefektivněji inzerovat na sociální síti Facebook.
|
|
|
Kombinace reálných opcí, simulace a rozhodovacích stromů pro investiční rozhodování
Pavlovská, Tereza ; Dlouhý, Martin (vedoucí práce) ; Dlouhá, Zuzana (oponent)
Práce se zabývá hodnocením reálných opcí, jejichž hodnota představuje určitou flexibilitu firmy ohledně rozhodování o aktivech společnosti v budoucnosti. Kromě klasických modelů, které byly vyvinuty pro ocenění opcí, jako je binomický a Blackův-Scholesův model, které mají své výhody i nevýhody, je zde uvedena možnost kombinace rozhodovacích stromů a simulace Monte Carlo, která probíhá přímo uvnitř daného stromu. Tato kombinace umožňuje potřít nevýhody, které mají tyto metody, pokud jsou použity pro hodnocení opcí separátně. V práci je uveden aplikační příklad inspirovaný skutečností, kde jsou popsány různé možnosti využití zmíněné kombinace a je zde předvedena jednoznačná výhoda této metody, a to větší množství informace, které poskytuje oproti klasickým modelům. Rozhodovateli umožňuje přístup k mnohem komplexnějšímu pohledu na investici. Výsledkem jsou také různé hodnoty opcí v závislosti na použité technice.
|
|
|
Tvorba, využití a optimalizace rozhodovacích stromů
Selement, Pavel ; Bína, Vladislav (vedoucí práce) ; Váchová, Lucie (oponent)
Rozhodovací stromy patří mezi důležité metody pro řešení rozhodovacích problémů. Cílem této práce je představit vlastnosti rozhodovacích stromů a základní podmínky pro jejich použití. Hlavním přínosem této práce je provázání studia rozhodovacích stromů v teorii rozhodování a ve strojovém učení. Cílem práce není podat vyčerpávající přehled používaných metod, ale poukázat na přehlíženou spojitost mezi těmito dvěma obory. Teoreticky i na příkladu bude ukázáno, jak lze použít metody strojového učení pro stromy v teorii rozhodování, a tedy i v manažerské praxi. Nakonec bude představeno několik variant, jak je možné rozhodovací stromy zjednodušit.
|
|
|
Datamining a využití rozhodovacích stromů při tvorbě Scorecards
Straková, Kristýna ; Witzany, Jiří (vedoucí práce) ; Fičura, Milan (oponent)
Tato diplomová práce se zabývá porovnáním několika vybraných modelovacích metod, které používají finanční instituce (a nejen ty) ve svých rozhodovacích procesech. Ve své první části se teoreticky zabývá nejznámějšími modelovacími metodami, jako je logistická regrese, rozhodovací stromy, neuronové sítě, alternující rozhodovací stromy a poměrně novou metodou nazvanou "Random forest", kterou můžeme doslovně přeložit jako náhodný les. V praktické části této diplomové práce jsou nejprve nastíněny některé procesy uvnitř finančních institucí, ve kterých jsou dané modelovací metody využívány. Na reálných datech dvou finančních institucí jsou mezi sebou srovnávány metody logistické regrese, rozhodovacích stromů a rozhodovacího lesa. Metoda neuronové sítě do porovnání zahrnuta není. Důvodem je především velmi náročná interpretovatelnost výsledků této metody. V závěru se pak práce na základě výsledných modelů snaží odpovědět na otázku, zda je doposud nejpoužívanější metoda logistické regrese tou nejvhodnější.
|
|
|
Využití metod data miningu při analýze kreditních dat
Tvaroh, Tomáš ; Witzany, Jiří (vedoucí práce) ; Matejašák, Milan (oponent)
Tato práce se zabývá porovnáním vybraných metod data miningu pro řešení klasifikačních úloh s metodou klasifikace pomocí logistické regrese. V první části práce je krátce představen data mining jako vědní disciplína a úloha klasifikace je uvedena do kontextu procesu vytěžování dat. V další části je vysvětlen princip fungování jednotlivých metod, mezi které byli, společně s logistickou regresí, vybrány umělé neuronové sítě, klasifikační rozhodovací stromy a metoda SVM. Společně s matematickou podstatou algoritmů je vždy uveden i způsob, jakým u hotového modelu probíhá klasifikace nových příkladů. V praktické části diplomové práce jsou popsané metody otestovány na reálných datech společnosti Lending Club a jsou srovnány z hlediska přesnosti klasifikace. Na závěr je zhodnoceno, zda je výsadní postavení logistické regrese dané historicky nebo zda si ho metoda skutečně zaslouží díky vysoké klasifikační síle v porovnání s ostatními metodami.
|
|
|
CHAID - technika konstrukce rozhodovacích stromů
Freyvald, Michal ; Vild, Jiří (vedoucí práce) ; Čabla, Adam (oponent)
Analýza CHAID (Chi-squared Automated Interaction Detection) je technika konstrukce rozhodovacích stromů, která je určena zejména pro kategoriální data, a je založena na Pearsonově chí-kvadrát statistickém testu o nezávislosti v kontingenční tabulce. V bakalářské práci jsou shrnuty důležité vlastnosti rozhodovacích stromů, dále je popsána struktura analýzy CHAID, jednotlivé fáze při konstrukci analýzy, výhody, nevýhody a doporučená nastavení pro kvalitní vypovídající schopnost analýzy. Na ukázkovém příkladu ze zákaznického segmentu sledujeme využití CHAID v praxi a za pomocí řešení v softwaru IBM SPSS PASW Statistics v18.0 dokazujeme užitečnost aplikace analýzy CHAID pro cílový marketing.
|
host ::
RSS.